Analyse statistique de la calibration par deux modeles non lineaire et non parametrique de la courbe de reponse, etude asymptotique de regions de confiance

Statistical calibration: two approaches via nonlinear and nonparametric models of the standard curve, asymptotic properties of confidence regions

• Auteur / Autrice : MARIE-ANNE GRUET POURSAT
• Direction : Emmanuel Jolivet
• Type : Thèse de doctorat
• Discipline(s) : Sciences et techniques communes
• Date : Soutenance en 1992
• Etablissement(s) : Paris 11

Résumé

Dans cette these, nous proposons l'etude de deux modeles statistiques de calibration aussi generaux que possible. La premiere partie concerne la construction et l'etude d'intervalles de calibration, lorsque la courbe de reponse est representee par un modele non lineaire, et sans hypotheses particulieres sur la loi des erreurs. Nous comparons deux approches differentes par des techniques de developpements d'edgeworth, et proposons des procedures de calibration bootstrap. Dans la deuxieme partie, les donnees etalons sont representees par un modele de regression non parametrique. Nous proposons une methode d'estimation appropriee, qui permet d'estimer directement le parametre d'interet, et developpons, a partir de cette methode, une procedure de calibration a usage multiple. La consistance de l'estimateur propose et la construction d'intervalles de tolerance simultanes, sont fondees sur l'approximation gaussienne du processus empirique des variables etalons. Nous appliquons cette methode au probleme de l'estimation d'une efficacite relative, en analyse des dosages biologiques